CH4和C2H2是变压器发生故障时两种重要的特征气体。为了实现对变压器中溶解的微量CH4和C2H2气体含量检测的需求, 采用激光光声光谱气体检测技术, 通过分析CH4和C2H2气体的近红外吸收谱线, 选取合适的激光光源并确定激光调制参数; 设计并搭建了一套以双激光光源和非共振光声池为核心的光声光谱微量CH4和C2H2气体检测系统, 获得了系统对CH4和C2H2气体检测灵敏度和低含量检测误差。结果表明, CH4和C2H2气体分别在体积分数为0～1000×10-6和0～500×10-6的范围内具有良好的线性响应, 每10-6体积分数的检测响应度分别为5.8969μV和16.1831μV; 在低含量CH4/C2H2混合气体对系统的重复性和精度测试中, CH4气体体积分数为3.00×10-6时的检测最大绝对误差为0.30×10-6, C2H2气体体积分数为0.50×10-6时的检测最大绝对误差为0.20×10-6。此研究结果满足测量误差的技术指标要求, 实现了对微量CH4和C2H2气体的高灵敏度检测。

为区分不同种类花粉, 采用扫描电子显微镜(Scanning Electron Microscope, SEM) 和表面增强拉曼光谱对雪松花粉和茶花蜂花粉、荷花蜂花粉、玫瑰蜂花粉、荞麦蜂花粉、五味子蜂花粉、益母草蜂花粉、油菜蜂花粉等七种蜂花粉进行形貌观察和光谱表征。结果显示: 花粉间的形态差异微小, 扫描电子显微镜难于区分各种花粉, 而表面增强拉曼光谱可以简单快速的鉴别不同种类花粉。七种蜂花粉在1800~400 cm-1范围存在明显差异。相比蜂花粉, 雪松花粉的拉曼信号更清晰可辨, 其主要特征谱带出现在1701、1657、1572、1522、1397、1293、1208、810和565 cm-1附近。

微生物在生态系统中具有重要的作用,所以鉴别微生物具有重要的意义。采用表面增强拉曼光谱(SERS)对雪松花粉(PML)、双色牛肝菌(BBP)孢子、小美牛肝菌(BSF)孢子和紫色粉孢牛肝菌孢子(TPS)进行鉴别研究。结果显示:雪松花粉的常规拉曼信号在1702,1680,1513,1382,1243,1011,793 cm ^-1处,表面增强之后在1698,1653,1592,1516,1403,1288,1210,813,562 cm ^-1出现明显的拉曼峰;三种牛肝菌孢子的常规拉曼未显示拉曼峰,雪松花粉、双色牛肝菌孢子、小美牛肝菌孢子和紫色粉孢牛肝菌孢子的表面增强拉曼光谱在1700~1100 cm ^-1差异明显。结果表明,利用SERS可以实现对雪松花粉、双色牛肝菌孢子、小美牛肝菌孢子和紫色粉孢牛肝菌孢子的鉴别。

在农作物生产中, 不合理使用化学农药来防治植物病害的现象普遍存在, 严重影响产品品质及食用安全, 快速鉴别植物病害并采取合理的防治措施对提高农作物品质具有重要意义。 利用红外光谱三级鉴别法(傅里叶变换红外光谱(FTIR) 、 二阶导数红外光谱(SD-IR) 及二维相关红外光谱(2D-IR) ) 对蚕豆、 玉米、 葱和蒜正常叶、 锈病叶病斑处及病斑附近绿色部位进行了研究。 结果显示, 正常叶、 病斑附近绿色部位及锈病叶病斑处的光谱吸收峰强度和形状存在微小差异。 原始光谱中正常叶、 病斑附近绿色部位及锈病叶病斑处的几个吸收强度比存在差异, 蚕豆的正常叶、 病斑附近绿色部位及锈病叶病斑处的吸收强度比A1 410/A1 646分别为0.698, 0.624和0.616, A2 926/A1 646相应比值分别为0.665, 0.638和0.552; 玉米的相应比值A1 649/A1 055分别为0.813, 0.696, 0.691, A1 382/A1 055相应比值分别为0.552, 0.478和0.465, A2 926/A1 055相应比值分别为0.574, 0.467和0.469; 葱的相应比值A1 382/A1 061分别为0.843, 0.821和0.704, A2 923/A1 061相应比值分别为0.707, 0.680和0.489; 以上锈病叶病斑处及病斑附近绿色部位的几个峰强比均比正常叶小。 二阶导数红外光谱在1 800～800 cm-1范围内, 正常叶、 病斑附近绿色部位及锈病叶病斑处的吸收峰的形状及强度显示明显差异。 二维相关红外光谱显示, 正常叶、 锈病叶病斑处及病斑附近绿色部位在860～1 690 cm-1范围内自动峰和交叉峰的位置、 数目及强度存在显著差异。 蚕豆正常叶出现4个强自动峰, 2组强的正交叉峰; 病斑附近绿色部位出现5个强自动峰, 4组强正交叉峰; 锈病叶病斑处出现2个最强自动峰和5个中强自动峰, 5组强正交叉峰; 蚕豆锈病叶病斑处自动峰强度最强, 而正常叶的各个自动峰的强度最低。 玉米正常叶出现9个强自动峰, 12组强的正交叉峰; 病斑附近绿色部位出现11个强自动峰, 3组最强的正交叉峰和11组中强正交叉峰; 锈病叶病斑处出现6个强自动峰, 3组强正交叉峰; 蒜正常叶出现9个强自动峰, 8组强的正交叉峰; 病斑附近绿色部位出现2个最强自动峰和9个次强自动峰, 10组强正交叉峰; 锈病叶病斑处出现6个强自动峰, 1组强正交叉峰; 玉米和蒜病斑附近绿色部位的各个自动峰的强度最强, 而锈病叶病斑处自动峰和交叉峰强度最弱。 葱正常叶出现9个强自动峰, 5组强的正交叉峰; 病斑附近绿色部位出现8个强自动峰, 3组强正交叉峰; 锈病叶病斑处出现3个强自动峰, 无正交叉峰出现。 葱正常叶的各个自动峰的强度最强, 而锈病叶病斑处自动峰强度最弱。 结果表明, 利用傅里叶变换红外光谱结合二阶导数红外光谱及二维相关红外光谱能简单、 快速地鉴别研究农作物锈病叶, 有望为农作物病害提供一种光谱检测方法。

老化种子的鉴定对农业生产和粮食安全具有重要意义。利用红外光谱三级鉴别法(傅里叶变换红外光谱技术、二阶导数红外光谱技术和二维相关红外光谱技术相结合)对不同储藏年份的豆类种子进行区分。结果显示:3种豆类种子的傅里叶变换红外光谱图总体相似,且主要由蛋白质和碳水化合物的吸收峰组成;不同储藏年份的豆类种子的原始红外光谱仅在1800~700 cm ^-1范围内有微小差异,几个吸收强度比随储藏年份增加呈现下降趋势;方差分析显示不同储藏年份的种子的吸光度比有显著差异;不同储藏年份的种子的二阶导数红外光谱(在1800~700 cm ^-1范围内)的吸收峰形状和强度存在差异;在二维相关红外光谱中,不同储藏年份的蚕豆和红豆种子(在860~1690 cm ^-1范围内)及大豆种子(在1350~1800 cm ^-1范围内)的自动峰和交叉峰出现的位置、数目及强度存在显著差异,其中数目随储藏年份增加而减少,强度随储藏年份增加而减弱。偏最小二乘法分析能对不同储藏年份的种子进行快速分类。3种豆类种子在老化过程中都表现出明显的光谱差异,表明红外光谱三级鉴别法可以快速区分不同储藏年份的豆类种子,有望发展成为简单、快速鉴别种子老化的光谱方法。

运用傅里叶变换红外(Fourier Transform Infrared,FT-IR)光谱结合二阶导数红外(Second-order Derivative Infrared,SD-IR)光谱、曲线拟合及二维相关红外(Two-Dimensional Correlation Infrared,2D-IR)光谱来区分松茸和姬松茸。结果显示: 松茸和姬松茸的FT-IR光谱的总体特征基本相同; 松茸与姬松茸SD-IR光谱在1650~750 cm-1范围内吸收峰强度、位置、形状出现差异; 曲线拟合结果显示松茸和姬松茸在1186~1000 cm-1范围内子峰面积比例不同; 2D-IR光谱在1666~1388 cm-1和1120~918 cm-1范围松茸和姬松茸的自动峰的数目和强度都有差别。实验结果表明,FTIR光谱结合2D-IR光谱、曲线拟合和SD-IR光谱能简单、快速、无损的区分松茸和姬松茸。

种粮老化影响种子活力及粮食品质。 利用傅里叶变换红外光谱(FT-IR), 二阶导数红外光谱(SD-IR)和二维相关红外光谱(2D-IR)方法对不同储藏年份的大麦, 小麦, 稻谷, 玉米和高粱种子进行区分研究。 结果显示, 原始光谱中几个峰强比有差异; 在二阶导数红外光谱中, 不同储藏年份种子在1 800～800 cm-1范围内的吸收峰强度和形状显示出差异。 二维相关红外光谱结果显示: 大麦在1 350～1 800 cm-1, 小麦, 稻谷, 玉米和高粱在860～1 690 cm-1范围内有明显差异, 随储藏年份增加, 自动峰和交叉峰的数目减少, 强度减弱。 结果表明, 应用傅里叶变换红外光谱结合二维相关红外光谱能有效快速地区分不同储藏年份的谷类种子。

天光作为一种主要的噪声, 叠加在目标天体光谱之中, 降低了光谱的信噪比。 经过减天光处理后, 若光谱中仍含有大量强度高的天光残差将不利于对目标光谱的后续分析。 自动识别减天光异常恒星光谱的研究较少, 目前只能通过人工检测的方法去寻找减天光异常的光谱, 效率较低。 首先对影响减天光结果的因素进行分析, 找出减天光异常光谱的特征, 然后提出一种简单有效的方法能够自动识别LAMOST巡天经过Pipeline处理之后仍然存在减天光异常的恒星光谱并检测其位置。 该方法先对光谱进行归一化处理, 然后通过检测天光线附近是否有一定强度的类似发射线或吸收线的残留来判定该天光线位置是否出现减天光异常, 最后得出光谱中所有的减天光异常的天光位置。 通过对LAMOST光谱数据的实验表明, 这种方法可以有效识别出减天光异常的光谱和发现不同残留强度的天光线异常位置, 并且该方法简单易懂, 识别效率高, 可以应用于大量的减天光异常光谱的识别与检测问题。